| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 风机齿轮箱故障诊断技术国内外研究现状 | 第11-12页 |
| 1.3 基于贝叶斯网络故障诊断方法的研究现状 | 第12-13页 |
| 1.4 论文主要研究内容 | 第13-15页 |
| 第2章 风机齿轮箱故障诊断及贝叶斯网络理论 | 第15-24页 |
| 2.1 风机齿轮箱故障的不确定性研究 | 第15-18页 |
| 2.1.1 信息的不确定性 | 第15-16页 |
| 2.1.2 风机齿轮箱故障的不确定性 | 第16页 |
| 2.1.3 不确定性问题的处理方法 | 第16-18页 |
| 2.1.4 贝叶斯网络方法处理不确定性问题的优势 | 第18页 |
| 2.2 风机齿轮箱故障诊断专家系统 | 第18-21页 |
| 2.2.1 专家系统基本概念 | 第18-19页 |
| 2.2.2 故障诊断专家系统的结构 | 第19-20页 |
| 2.2.3 风机齿轮箱故障诊断专家系统的结构 | 第20-21页 |
| 2.3 贝叶斯网络理论 | 第21-23页 |
| 2.3.1 贝叶斯网络基本概念 | 第21页 |
| 2.3.2 贝叶斯网络概率推理 | 第21-22页 |
| 2.3.3 贝叶斯网络图形描述 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 风机齿轮箱贝叶斯网络知识库及推理的研究 | 第24-40页 |
| 3.1 风机齿轮箱贝叶斯网络模型的建立 | 第24-34页 |
| 3.1.1 风机齿轮箱故障分类 | 第24-25页 |
| 3.1.2 风机齿轮箱失效事故树 | 第25-30页 |
| 3.1.3 事故树向贝叶斯网络模型的转化 | 第30-32页 |
| 3.1.4 贝叶斯网络模型条件概率表 | 第32-34页 |
| 3.2 风机齿轮箱贝叶斯网络知识库的构建 | 第34-37页 |
| 3.2.1 基于贝叶斯网络模型的知识获取 | 第34-35页 |
| 3.2.2 叶斯网络模型的知识存储方式 | 第35-37页 |
| 3.3 风机齿轮箱故障诊断的贝叶斯网络推理 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 风机齿轮箱故障诊断专家系统的开发 | 第40-50页 |
| 4.1 功能实现的需求分析 | 第40-41页 |
| 4.1.1 开发环境与开发工具的介绍 | 第40页 |
| 4.1.2 系统的功能需求 | 第40-41页 |
| 4.2 诊断模块总体设计 | 第41-42页 |
| 4.3 贝叶斯网络诊断模块的设计 | 第42-44页 |
| 4.3.1 贝叶斯网络诊断模型的知识表达 | 第42-43页 |
| 4.3.2 有向无环图的创建 | 第43页 |
| 4.3.3 贝叶斯网络诊断模型知识库的管理 | 第43-44页 |
| 4.4 贝叶斯网络诊断模型的实例分析与功能验证 | 第44-49页 |
| 4.4.1 风机齿轮箱叶斯贝网络诊断模型的实例分析 | 第44-48页 |
| 4.4.2 风机齿轮箱叶斯贝网络诊断模型功能的验证 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 1 | 第54-58页 |
| 附录 2 | 第58-66页 |
| 读硕士期间发表论文情况 | 第66-67页 |
| 致谢 | 第67页 |